python代码示例梯度下降法对数据进行线性拟合

可以回答这个问题。梯度下降法是一种常用的优化算法，可以用于线性回归模型的参数估计。以下是一个 Python 代码示例：

import numpy as np

# 生成样本数据
x = np.random.rand(100)
y = 2 * x + 1 + np.random.randn(100) * 0.1

# 初始化参数
theta = np.random.randn(2)

# 定义损失函数
def loss_function(theta, x, y):
    y_pred = theta[0] + theta[1] * x
    return np.mean((y_pred - y) ** 2)

# 定义梯度函数
def gradient(theta, x, y):
    y_pred = theta[0] + theta[1] * x
    grad = np.zeros(2)
    grad[0] = np.mean(y_pred - y)
    grad[1] = np.mean((y_pred - y) * x)
    return grad

# 梯度下降迭代
learning_rate = 0.1
for i in range(1000):
    grad = gradient(theta, x, y)
    theta = theta - learning_rate * grad
    if i % 100 == 0:
        print("Iteration %d, loss = %.4f" % (i, loss_function(theta, x, y)))

# 输出结果
print("theta = ", theta)

这段代码使用随机生成的数据，通过梯度下降法对数据进行线性拟合，得到参数估计结果。